本站原创文章，转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com

 本文讲解matlab神经网络工具箱使用BP神经网络的Demo以及入参说明

本文旨在展示最简单的使用BP神经网络工具箱DEMO

  01. BP神经网络简单Demo  

matlab工具箱使用BP神经网络的Demo代码（2014b版matlab实测已跑通）：

% matlab版本：2014b
% 代码说明：matlab工具箱newff的使用Demo
% 来自《老饼讲解神经网络》www.bbbdata.com 
%用于训练的数据
X = linspace(-3,3,100);   
y = 10*sin(X);   
%网络训练 
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
net.trainparam.goal = 0.00001;    % 设置训练误差目标
net.trainparam.epochs = 15000;    % 设置最大训练次数.
[net,tr,net_y] = train(net,X,y);  % 训练
sim_y = sim(net,X);               % 预测

✍️备注
 newff事实上已经被feedforwardnet函数替代，
但由于网上大部分资料还是使用newff，
为方便找资料，本站仍然使用newff讲解

  02. BP神经网络工具箱说明  

语法:

net = newff(P,T,S)
net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

描述：

newff建立一个BP神经网络,在新版中已用feedforwardnet代替该函数。

入参说明

   P:     输入数据X，每列代表一个样本的X。
   T：   target，拟合目标，也即输出数据y，每列代表一个样本的Y。
   S：  行向量，隐节点个数，例如 [3,2]代表两个隐层，第一个隐层3个神经元，第2个隐层2个神经元。
   TF：Transfer function，传递函数(激活函数), {'tansig','purelin'} 代表只有一个隐层，隐层传递函数为tansig,输出层传递函数为purelin.注意，要与S对齐。
   BTF： Backprop network training function，训练函数，默认用'trainlm'
   BLF:   Backprop learning function，反向传播权重/阈值 学习函数，默认learngdm.(adapt时调用，一般不需用到)
   PF:     Performance function，性能函数，即误差函数，默认为均方差'mse'，可选：mse,sse,mae,sae(均方差，总方差，均绝对差，总绝对差)，trainlm只支持mse,sse
   IPF:    input processing functions,输入处理函数，默认{'fixunknowns','removeconstantrows','mapminmax'}
   OPF：output processing functions，输出处理函数，默认 {'removeconstantrows','mapminmax'}
   DDF：Data division function，数据分割函数，默认值'dividerand'，即随机分割。

完整示例：

net = newff(X,y,3,{'tansig','purelin'},'trainlm','learngdm','mse',{'fixunknowns','removeconstantrows','mapminmax'}, {'removeconstantrows','mapminmax'},'dividerand');

  End